利用opencv实现图像处理之几种滤波方法

1.均值滤波器

        均值滤波是在空域中进行相应的操作，在滤波的过程中选定一个模板，图像中每一点的像素值都由这个模板中所有点的像素值的均值代替。均值滤波公式为：

                                               

         其中，f′（x,y）是含有噪声的原始图像，g(x,y）是经过均值滤波之后得到的图像，s是以点（i,j）为中心的模板中像素的集合，模板尺寸为m×n。

        均值滤波器也称为低通滤波器，可以把每个像素都当成滤波核的核心，然后计算出核内所有像素的平均值，最后让核心像素等于这个平均值。

         均值滤波计算速度比较快，但是随着模板尺寸的增加会在去噪的同时损坏图像的细节信息。

            

opencv将均值滤波封装成了blur()方法。

dst = cv2.blur(src, ksize, anchor, borderType)

 代码如下：

import cv2

img = cv2.imread('1.jpg')
dst1 = cv2.blur(img,(3,3))
dst2 = cv2.blur(img,(5,5))
dst3 = cv2.blur(img,(9,9))

cv2.imshow('img',img)
cv2.imshow('3*3',dst1)
cv2.imshow("5*5",dst2)
cv2.imshow('9*9',dst3)

cv2.waitKey()
cv2.destroyAllWindows()

2.中值滤波器

        中值滤波也是一种在空域中进行处理的去噪方法，滤波方式是选定一个模板，在这个模板中进行相应的操作，首先将模板中的像素值进行排序，选择序列中的像素中值作为模板中心的像素值，这样能够去除图像中与周边像素差异较大的噪声点，从而达到去噪的目的。滤波模板的选择是多样的，可以是正方形或长方形的矩阵，也可以是圆形或者十字形的。

        中值滤波公式为：

                                 

opencv将均值滤波封装成了medianBlur()方法。

dst = cv2.midanBlur(src, ksize)

 代码如下：

import cv2

img = cv2.imread('1.jpg')

dst1 = cv2.medianBlur(img,3)


cv2.imshow('img',img)
cv2.imshow('3*3',dst1)

cv2.waitKey()
cv2.destroyAllWindows()

3.高斯滤波器

        高斯滤波过程中，滤波核中像素会与卷积核进行卷积计算，最后将结果赋值给滤波核的核心像素。

opencv将均值滤波封装成了GaussianBlur()方法。

dst = cv2.GaussianBlur(src, ksize, sigmaX，sigmaY，borderType)

 代码如下：

import cv2

img = cv2.imread('1.jpg')

dst1 = cv2.GaussianBlur(img,(5,5),0,0)

cv2.imshow('img',img)
cv2.imshow('5*5',dst1)

cv2.waitKey()
cv2.destroyAllWindows()

4.双边滤波器

        双边滤波也是一种在空域中进行处理的去噪方法，通过考虑距离因素和像素值差异的影响，使它在去噪的同时，能够很好地保留图像的特征信息，具体模板权值公式如下：

                         

 最终的滤波公式为：  
       
                            

opencv将均值滤波封装成了bilateralFilter()方法。

dst = cv2.bilateralFilter(src, d，sigmaColor，sigmaSpace，borderType)

 

 代码如下：

import cv2

img = cv2.imread('1.jpg')

dst1 = cv2.bilateralFilter(img,15,200,100)


cv2.imshow('img',img)
cv2.imshow('3*3',dst1)


cv2.waitKey()
cv2.destroyAllWindows()